چکیده بدون شک می توان، قیمت سهام را یکی از عوامل تأثیرگذاری در تصمیم گیری های سرمایه گذاران بازار بورس دانست. از آن جا که سرمایه گذاران همواره درصدد دستیابی به بیشترین سود از سرمایه گذاری خود می باشند، فعالان این بازار درصدد دستیابی و به کارگیری روش هایی برآمده اند تا بتوانند با پیش بینی آتی قیمت سهام، سود سرمایه خود را افزایش دهند. شبکه عصبی از جمله روش هایی است که با قدرت بالا در فرآیند پیش بینی مطرح می شود. بنابراین، این پژوهش با هدف پیش بینی قیمت سهام شرکت فرآورده های نفتی پارس با استفاده از شبکه عصبی صورت پذیرفته است. در ادامه به مقایسه روش شبکه های عصبی با روش رگرسیون arima پرداخته شده است. مدل شبکه عصبی با استفاده از مقادیر روزانه متغیرهای قیمت نفت برنت، قیمت آغازین، بیشترین و کمترین قیمت سهام شرکت فرآورده های نفتی پارس، به پیش بینی قیمت پایانی سهام این شرکت پرداخته است. برای پیش بینی با استفاده از شبکه عصبی از نرم افزار matlab2008 و روش رگرسیون arima، نیز از نرم افزار eviews6 استفاده شده است. بر اساس نتایج شبکه عصبی پرسپترون سه لایه 1-14-4 (این اعداد به ترتیب از چپ به راست نشان دهنده تعداد نرون های ورودی، میانی و خروجی می باشند) با تابع آموزش trainlm برای پیش بینی استفاده شده است. مقایسه نتایج شبکه عصبی با رگرسیون arima حاکی از عملکرد بهتر شبکه عصبی بوده است. در پایان نیز پیشنهاداتی برای تحقیقات آتی ارائه گردیده است.

در این پژوهش، به بررسی روش های حلّ مسئله ی انتخاب سبد سهام پرداخته می شود. این روش های حل، از جمله روش های بهینه سازی بوده که خود زیر مجموعه ای از الگوریتم های تکاملی محسوب می شوند. الگوریتم های تکاملی، تکنیک های بهینه سازی تصادفی هستند که بر روی یک جمعیّت یا مجموعه ای از جواب ها کار می کنند و در نهایت با توجّه به تابع برازش و همچنین عملیّات مختص مربوط به نوع الگوریتم، به جواب بهینه دست پیدا می کنند. یکی از معروف ترین این الگوریتم ها، الگوریتم ژنتیک و یکی از جدیدترین آن ها الگوریتم رقابت استعماری است. در این پژوهش هر دو الگوریتم مذکور، برای حلّ یک مدل بهینه سازی سبد سهام متشکّل از شرکت های پذیرفته شده در بورس اوراق بهادار تهران، به کار گرفته شده اند. از آن جایی که هدف از یک سرمایه گذاری داشتن حداکثر بازدهی و حداقل ریسک است، لذا یک مدل بهینه سازی، با هدف بیشینه کردن سود و بر اساس ریسکی معین به کار گرفته شده است. معیار ریسک استفاده شده در این مدل، ارزش در معرض خطر (var) است. این معیار یکی از شاخص های مهمّ اندازه گیری ریسک بازار است که آن را تنها در یک عدد مدل کرده و مقدار سرمایه ای را که مورد زیان قرار می گیرد، تعیین می کند. پس از پیاده سازی الگوریتم رقابت استعماری و مقایسه ی آن با الگوریتم ژنتیک برای این مسئله، نتایج نشان از برتری قابل توجّه الگوریتم رقابت استعماری دارند، به این معنا که الگوریتم رقابت استعماری علاوه بر آن که سود بیشتری را به دست می آورد، زمان کمتری را نیز برای رسیدن به آن صرف می کند.